SciMaster 是由上海交通大学、深势科技和上海算法创新院联合推出的全球首个通用科研智能体。它基于强大的科学基座大模型 Innovator，能够生成深度调研报告，并且集成了许多科学专用工具。研究者可以通过思维链编辑功能，主动干预它的执行逻辑，修改任务逻辑和内容，从而更准确地满足研究需求。它的工具调用方式有主动调用和自动调用两种。

核心功能

  • 深度调研：研究者提出问题后，SciMaster 会拆分任务，通过 WebSearch、WebParse、PaperSearch 等方式，从互联网和文献中收集资讯、数据、论文、专利等，生成详细的调研报告。

  • 工具调用：SciMaster 集成多种科学工具，支持思维链编辑功能，已接入 DeepModeling 开源社区。

技术基础

  • SciMaster 的技术核心是 X-Master 基础智能体和 X-Masters 推理工作流：

  • X-Master：以代码为交互语言，需要与外部环境交互时，会生成 Python 代码执行任务，具有通用性、准确性和兼容性。

  • X-Masters：采用“分散 - 堆叠”式工作流，包含 Solver、Critic、Rewriter 和 Selector 四个角色，从不同角度生成解决方案、审查修正、提炼信息并选出最佳答案。

性能表现

  • 在“人类终极考试”（HLE）基准测试中，X-Masters 的准确率达到了 32.1%，大幅领先 Google（26.9%）和 OpenAI（26.6%）等顶尖机构。

  • 在生物医学领域，X-Masters 仅用两个通用网络工具，就超越了集成数百个专用工具的 AI 系统。

应用场景

  • 医药领域：在药物研发中，SciMaster 可分析海量医药数据，挖掘药物作用机制，筛选潜在靶点，分析临床试验数据，为研发提供精准支持。

  • 能源领域：在综合能源规划设计中，SciMaster 可快速求解复杂能源优化问题，兼顾多种分布式能源技术，为不同用户需求提供定制化服务。

  • 材料领域：在材料研发中，SciMaster 可预测材料性能，指导合成和制备，加速新材料研发。

  • 学术研究领域：SciMaster 可辅助科研人员进行文献调研，提取关键信息，撰写论文，提高研究效率和质量。

发展规划

  • 技术层面：计划构建端到端训练的代理人系统，将复杂推理和工具使用能力完全内化到模型中。

  • 应用层面：将逐步扩展到生物学、化学、物理学、材料科学等多个领域，开发专门的科学代理人和工具。

  • 协作层面：通过开源社区，吸引更多研究者和开发者参与，快速扩展系统功能和应用范围。

SciMaster覆盖科学研究的全流程，为医药、能源、材料等领域的微观研究提供强大的基础设施和智能支持。它通过开源开放的平台，能服务海量用户，未来还将推动科研驱动的产业发展，助力各行各业。